| Glossar | |
|---|---|
| Schlüsselwörter | künstliche neuronale Netze, neuronale Netze, neuronales Netz, neuronale Netz, neuronalen Netzen |
| Typ | KI |
Künstliche neuronale Netze sind Lernalgorithmen, die aus einer Folge von Datenknoten bestehen und miteinander vernetzt sind.
Sie sind inspiriert vom Neuronennetz des menschlichen Gehirns, das Informationen verarbeitet und dessen Neuronen untereinander konnektieren. Durch wiederholten Input von Daten können solche Netze trainiert werden, diese Daten akkurat zuzuordnen. Je mehr Daten vorhanden sind und je öfter der Vorgang wiederholt wird, desto präziser erfolgt die Zuordnung. Trainierte neuronale Netze sind dann dazu in der Lage, ihr Können an dem Modell unbekannten Daten anzuwenden.
Solche Modelle können aus mehreren Neuronen-Schichten bestehen. Je mehr Schichten sie haben, desto komplexere Informationen können verarbeitet werden. Neuronale Netze, die über die Eingabe- bzw. Ausgabe-Schicht hinweg noch weitere Neuronen-Schichten besitzen, werden „Deep Neural Networks“ genannt. Solche Netze können über Tausende von diesen Schichten verfügen und sind in der Lage durch Deep Learning komplexe Aufgaben zu bewältigen. Deep Learning ist eine Disziplin der Künstlichen Intelligenz, durch die Problemstellungen gelöst werden können.
Künstliche neuronale Netze werden unterschieden in: biologisch und technisch orientiert. Biologisch orientierte Netze kennzeichnen sich dadurch, dass sie möglichst genau neuronale Eigenschaften imitieren, während der Schwerpunkt technisch orientierter Netze in der Lösung technischer Probleme liegt.
Künstliche neuronale Netze können dazu verwendet werden, Muster in Datensätzen zu erkennen oder Prognosen für Ereignisse zu geben.